(一)选取初始数据中的k个对象作为初始的中心,每个对象代表一个聚类中心
import numpy as np
sample=np.random.randint(1,100,[50,1])
k=3
y=np.zeros(50)
def start_center(sample,k):
return sample[:3]
kc=start_center(sample,k)
(二) 对于样本中的数据对象,根据它们与这些聚类中心的欧氏距离,按距离最近的准则将它们分到距离它们最近的聚类中心所对应的类
def nearest(kc,i):
d=abs(kc-i)
t=np.where(d ==np.min(d))
return t[0][0]
nearest(kc,34)
def xclassify(sample,y,kc):
for i in range(30):
y[i]=nearest(kc,sample[i])
return y
y=xclassify(sample,y,kc)
print(kc,y)
(三)更新聚类中心:将每个类别中所有对象所对应的均值作为该类别的聚类中心,计算目标函数的值
def kcmean(sample,y,kc,k):
l=list(kc)
flag=False
for j in range(k):
m=np.where(y==j)
print(j,sample[j])
junzhi=np.mean(sample[m])
print(kc[j],junzhi)
if l[j]!=junzhi:
l[j]=junzhi
flag=True
return(np.array(l),flag)
(四)判断聚类中心和目标函数的值是否发生改变,若不变,则输出结果,若改变,则返回2
flag=True
while flag:
y=xclassify(sample,y,kc)
kc,flag=kcmean(sample,y,kc,k)
print(y,kc)
print(sample,y)
2.鸢尾花花瓣长度做聚类分析并用散点图展示
import matplotlib.pyplot as plt
import numpy as np
data=load_iris()
data_length=data['data'][:,2]
x=data_length
y=np.zeros(x.shape[0])
kc = start_center(x,3)
flag=True
while flag:
y=xclassify(x,y,kc)
kc,flag=kcmean(x,y,kc,k)
print(y,kc)
plt.scatter(x,x,s=x,c=y,cmap='rainbow',alpha=0.5,linewidths=4)
plt.show()
3.用sklearm包的kmeans对鸢尾花的花瓣进行分析用散点图展示
from sklearn.datasets import load_iris
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
import numpy as np
data=load_iris()
data_length=data['data'][:,2:3]
x=data_length
k1=KMeans(n_clusters=3)
k1.fit(x)
kc1=k1.cluster_centers_
y_kmeans=k1.predict(x)
print(y_kmeans,kc1)
plt.scatter(x,np.linspace(1,150,150),c=y_kmeans,marker='x',cmap='rainbow',linewidths=4)
plt.show()
4.完整的鸢尾花数据分析用散点图展示
data=load_iris()
x2=data.data
k2=KMeans(n_clusters=3)
k2.fit(x2)
kc2=k2.cluster_centers_
y_kmeans2=k2.predict(x2)
print(y_kmeans2,kc2,len(y_kmeans2))
plt.scatter(x2[:,0],x2[:,1],c=y_kmeans2,marker='p',cmap='rainbow',linewidths=4)
plt.show()
转载于:https://www.cnblogs.com/DSJ666/p/9945559.html
相关知识
有了K均值聚类,为什么还需要DBSCAN聚类算法?
鸢尾花三种聚类算法(K
利用GMM对鸢尾花聚类
Python实现Iris数据集(鸢尾花卉数据集)meanshift聚类
聚花
基于花授粉的模糊聚类的图像分割(MATLAB)
聚天门冬氨酸功效介绍
灰色聚类方法在植物分类学中的应用——以石楠属为例
「花类工艺品」花类工艺品公司黄页
秋海棠类
网址: 聚类 https://m.huajiangbk.com/newsview545964.html
上一篇: 人工智能 |
下一篇: 8步教你最有效的<数据分析 |